
人工智能不仅赢得了围棋的*对决,而且随着 2018年10月25日一幅由AI绘制的名为《埃德蒙 贝拉米肖像》的画作,在美国纽约佳士得拍卖行以43.25万美元的价格售出,人工智能技术也里程碑式地绘画艺术市场。那么,想了解AI技术是如何完成绘画艺术创作的呢?本书为你揭其中利用生成对抗网络(GAN)技术行绘画的奥秘。 《生成对抗网络门指南》是一本结合了基础理论与工程实践的 GAN门书籍,深浅出地讲解了GAN的技术发展以及各种衍生模型。本书面向机器学习从业人员、高校相关专业学生以及具备一定基础的人工智能爱好者,书中包含GAN的理论知识和代码实践。通过阅读本书,读者可以理解GAN的技术原理与实现方法。

《模拟化生存:虚拟与现实之间》是大卫 萨克斯继《模拟的复仇》之后的又一杰作。透过新冠疫情这一全球事件,他带我们穿越数字化的迷雾,探索技术与人类如何更和谐共生。在萨克斯的笔下,未来并不是冰冷的代码和机器,而是充满人性化、社会性和创新的。这不只是一次科技的思考,更是一场关于人、社会和未来的对话。

《细说机器学习:从理论到实践》是一个详细介绍现代机器学习理论、经典算法与流行框架及编程实现的机器学习门书。 从统计学、线性代数与概率论等机器学习的基础知识讲起,然后介绍机器学习的基本概念,继 而讲解常用算法与编程实现,最后介绍高级知识、框架实践与项目案例,兼顾理论与应用,详 尽易懂。 每个知识配合示例练习,全书共设计200多个编程实例,向读者展示机器学习算法与框架的实际应用。 全书涉及面广,如神经网络、卷积网络、集成学习、迁移学习等当前机器学习热均有所涉及 。 结合作者多年机器学习研究与发经验,采用流行的Python语言实现,讲解细致,娓娓道来, 适合转型想人工智能领域的大学生、发人员、技术人员和研究人员阅读。

读者对象:本书非常适合知道如何在 Python 中编程并了解深度学习基础知识的读者。本书面向具有传统机器学习实践经验,或希望在实践中探索深度学习世界并将其实现部署到生产中的发人员。 本书是一本深度学习实践指南,聚焦于PyTorch深度学习各场景的动手实现,不涉及模型层面的原理剖析。书中通过大量示例及代码,详细展示如何使用PyTorch构建深度学习模型原型、构建深度学习工作流和将原型用于生产。全书共7章。第1章介绍使用PyTorch行深度学习的方法和PyTorch的基本API;第2章演示如何构建一个简单神经网络;第3章深探讨深度学习工作流和PyTorch生态系统;第4章介绍基于PyTorch构建的CNN;第5章介绍RNN并探讨序列数据处理;第6章详细介绍生成对抗网络(GAN);第7章介绍强化学习;第8章介绍将PyTorch应用于生产的三种不同方法。

读者对象: 1)人工智能相关专业的研究人员;2)信息科学和计算机科学爱好者;3)统计学或相关IT专业学生;4)不具备专业数学知识的人群。 (1)三位作者资历深厚,分别是阿里巴巴的数据架构师和NLP专家、百炼智能的NLP专家(前明略数据的技术合伙人和科学家)、七牛云AI实验室NLP OCR方向负责人; (2)以实战为导向,绕各种复杂数学公式与证明,确保读者零基础门,详细讲解自然语言处理 的各种核心技术、方法论和经典算法; (3)阿里巴巴达摩院高级算法专家、百炼智能CEO、七牛云AI LAB负责人、天善智能创始人联袂推荐。

1. 李国杰院士新作,承载了他多年来在计算机科学领域深研究的工作结晶 2. 产学研三重背景,兼具工程科学与人文科学的思维 3. 涵盖了科技自立自强、理解人工智能、做强先计算、人才培养教育等多个方面,内容深度广度兼备,引发读者深思考科技创新的未来。 4. 关注信息科学技术发展,倡导自主创新品牌建设。书中分享了科研中所遇到的挑战,以及克服困难的经验方法,对于年轻科研工作者来说具有很好的启示作用。



热话题。元宇宙是社会热话题,如何从概念引申到具体行业的应用,一步加深和深化大众对元宇宙的理解,本书可能从更加具体的维度诠释了这一。 创新性。作者在本书中提出的 元宇宙 ,是对元宇宙概念的扩展和延伸,角度比较新颖,有一定创新性,让读者对元宇宙体系有更深切的认识。 抢占先机。就目前来看,市场上暂无 元宇宙 概念的书。本书如果能在较短时间内出版,就抓住了关于这一话题的先机和制高。

MLlib是Apache Spark机器学习库。本书入门简单,实例丰富,详解协同过滤、线性回归、分类、决策树、保序回归、聚类、关联、数据降维、特征提取和转换等MLlib主要算法,用实例说明MLlib大数据机器学习算法的运用。




本书使用大量实战案例,将AIGC和增长相结合

(1)百度旗下“深度学习技术及应用国家工程实验室”、百度技术学院联合北航人工智能专家共同撰写,行业实践与学术理论兼顾 (2)李德毅院士、百度公司总裁张亚勤博士、百度公司高级副总裁/AI技术平台体系总负责人王海峰、北京航空航天大学计算机学院教授/博士生导师吕卫锋 、百度技术委员会理事长/百度技术学院院长陈尚义联袂推荐